| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 引言 | 第10-16页 |
| ·选题根据与研究意义 | 第10-11页 |
| ·研究现状 | 第11-14页 |
| ·盲信号方法的研究现状 | 第11-13页 |
| ·SVM 的研究现状 | 第13-14页 |
| ·地球化学异常下限识别的研究现状 | 第14页 |
| ·本研究的特色和创新点 | 第14-16页 |
| 第2章 盲信号处理理论 | 第16-30页 |
| ·盲信号处理模型 | 第16-19页 |
| ·线性瞬时混合/分离模型 | 第16-17页 |
| ·多通道盲解卷积/均衡模型 | 第17-18页 |
| ·非线性混合模型 | 第18-19页 |
| ·盲信号分离的优化准则 | 第19-22页 |
| ·基于信息理论的盲信号分离 | 第19-21页 |
| ·基于非高斯性度量的盲信号分离 | 第21-22页 |
| ·盲源分离算法 | 第22-24页 |
| ·独立分量方法(ICA)与快速独立分量分析(FastICA) | 第22-24页 |
| ·非线性主分量分析(PCA) | 第24页 |
| ·盲信号抽取 | 第24-30页 |
| ·盲抽取基本原理 | 第24-25页 |
| ·基于峭度的盲信号抽取学习算法 | 第25-28页 |
| ·联立盲抽取算法 | 第28-30页 |
| 第3章 SVM 原理 | 第30-42页 |
| ·机器学习 | 第30-31页 |
| ·统计学习理论 | 第31-35页 |
| ·经验风险最小化原则 | 第31-32页 |
| ·指示函数集的VC 维理论 | 第32-34页 |
| ·结构风险最小化原则 | 第34-35页 |
| ·支持向量机(SVM) | 第35-42页 |
| ·SVM 的基本原理 | 第35-38页 |
| ·SVM 核函数 | 第38-40页 |
| ·SVM 主要算法 | 第40-42页 |
| 第4章 结合盲抽取与SVM 方法的异常下限提取 | 第42-56页 |
| ·研究区区域地质地貌 | 第42-44页 |
| ·算法原理和流程 | 第44-48页 |
| ·联立盲抽取算法提取异常元素组合 | 第44-45页 |
| ·SVM 方法提取异常元素的异常下限 | 第45-46页 |
| ·总体技术路线流程 | 第46-48页 |
| ·算法理论分析 | 第48-49页 |
| ·算法实现 | 第49-54页 |
| ·与传统确方法的结果的比较 | 第54-55页 |
| ·结果分析展望 | 第55-56页 |
| 结论 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读学位期间取得学术成果 | 第61页 |